人臉天生具有人體的其他生物特征(指紋、虹膜等。)，其良好的性和不易被復制的特性為身份認證提供了必要的前提。與其他類型的生物特征識別相比，人臉識別具有以下特征:
非強制性:用戶幾乎不需要特別配合人臉采集設備就可以無意識地采集人臉圖像，所以這種采樣方式不是“強制性”的；
非接觸式:用戶無需直接接觸設備即可獲得人臉圖像；
并發性:在實際應用場景中可以對多張人臉進行排序、判斷和識別；
此外，還符合視覺特點:“以貌取人”的特點，以及操作簡單、結果直觀、隱蔽性好的特點。
傳統的人臉識別技術主要是基于可見光圖像，這也是我們熟悉的識別方法，已經發展了30多年。但是這種方法有不可克服的缺陷，特別是當環境光照變化時，識別效果會急劇下降，不能滿足實際系統的需要。解決光照問題的有三維圖像人臉識別和熱成像人臉識別。但這兩種技術都遠未成熟，識別效果也不盡如人意。
一種快速發展的解決方案是基于主動近紅外圖像的多光源人臉識別技術。它能克服光線變化的影響，取得了良好的識別性能。整體系統性能在準確率、穩定性和速度方面都超過了三維圖像人臉識別。這項技術在近兩三年發展迅速，使得人臉識別技術逐漸實用化。
人臉識別的優勢在于它的自然性和不被被測試者觀察到。
所謂自然，是指識別方法與人類(甚至其他生物)在個體識別中使用的生物特征相同。比如人臉識別，人類通過對人臉的觀察和比對來區分和確認身份。此外，還有語音識別、圖形識別等自然識別，而指紋識別、虹膜識別等則不是自然的，因為人類或其他生物并不以這樣的生物特征來區分個體。
不被發現的特性對于一種識別方法來說也是非常重要的，它會使識別方法不具有攻擊性，不容易被欺騙，因為它不容易引起人們的注意。人臉識別就有這方面的特點。它完全利用可見光獲取人臉圖像信息，與指紋識別或虹膜識別不同。它需要使用電子壓力傳感器來采集指紋或紅外線來采集虹膜圖像。這些特殊的收款方式容易被人察覺，更容易被偽裝和欺騙。
區域特征分析算法結合了計算機圖像處理技術和生物統計學原理，廣泛應用于人臉識別系統中。它利用計算機圖像處理技術從視頻中提取人像特征點，利用生物統計學原理分析并建立數學模型，具有廣闊的發展前景。